Designing a Security Metric for EV-Based Load-Altering Attacks in Transmission Systems
Notice bibliographique
Résumé
Due to their cyber vulnerabilities, the increasing integration of electric vehicles (EVs) and their related EV supply equipment (EVSE) makes power grids prone to a variety of cyber attacks. Among possible threats, adversaries can observe frequency measurements and alter the consumption of EVs accordingly, creating an EV-based load-altering attack (EV-LAA). On this basis, this article uses the measurements of the transmission grid and information on its cyber layer to derive a security metric that can be used for diagnosis and condition monitoring of the transmission grid’s security state. First, common vulnerabilities in EV ecosystems are analyzed to devise related attack graphs. Afterward, a Markov decision process (MDP) tree is established based on the obtained attack graphs to display the possible attacker’s actions and their detrimental consequences. In this MDP, to calculate the probabilities of adversaries’ success in each branch, a customized common vulnerability scoring system (CVSS) is developed. Furthermore, control input and measurement signals are used to identify the transmission systems’ model. Using this model, the damping ratio, controllability, and observability of low-damping modes, as well as the number of compromised charging stations, can be obtained for calculating the terms of a reward function. The generated MDP tree is resolved by the Epsilon-Greedy Q-learning algorithm to calculate the value of each state in the MDP tree and the related optimal adversarial action. This metric is integrated into a back propagation neural network (BPNN) to provide a security monitoring framework for attacks originating from the EV ecosystem. The security monitoring framework is evaluated on a testbed to demonstrate its usefulness in quantifying the security status in the case of EV-LAAs. This testbed consists of a virtual sphere (vSphere) of an EV ecosystem with the New England 39-bus transmission system simulated in a real-time simulator (RTS).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».